脑转移瘤纵向磁共振成像数据集

脑转移瘤纵向磁共振成像数据集由耶鲁大学医学院放射科与生物医学影像部创建，包含来自1,430名临床确诊脑转移瘤患者的11,884项纵向脑MRI研究，并配以临床和图像元数据。数据集覆盖近二十年的成像记录，包括治疗前后时间点，涉及四种关键的MRI序列：T1加权对比前、T1加权对比后、T2加权、流体衰减反转恢复（FLAIR）。此数据集的创建旨在促进AI模型的发展，以辅助脑转移瘤患者的长期管理。The longitudinal magnetic resonance imaging (MRI) dataset of brain metastases was created by the Department of Radiology and Department of Biomedical Imaging, Yale School of Medicine. It contains 11,884 longitudinal brain MRI studies from 1,430 patients with clinically diagnosed brain metastases, paired with clinical and imaging metadata. The dataset covers imaging records spanning nearly two decades, including time points before and after treatment, and involves four key MRI sequences: pre-contrast T1-weighted, post-contrast T1-weighted, T2-weighted, and fluid-attenuated inversion recovery (FLAIR). This dataset was developed to facilitate the advancement of AI models for assisting the long-term management of patients with brain metastases.

搜集汇总

数据集介绍

构建方式

在神经肿瘤学领域，脑转移瘤的纵向监测对临床决策至关重要。该数据集通过检索耶鲁纽黑文医院2004至2023年的电子病历系统，从46,364项初始MRI研究中筛选出11,884项符合标准的研究，涵盖1,430例经病理或影像学确诊的脑转移患者。研究采用标准化流程，仅纳入包含轴向T1加权、T1增强、T2加权及FLAIR序列的影像，并通过Visage Imaging的API提取DICOM元数据。为确保数据质量，采用基于规则的图像分类器进行序列验证，并运用HD-BET算法去除颅外组织以实现匿名化。

特点

作为目前最大的脑转移瘤MRI公共数据集，其核心价值体现在多维度的异构性特征。数据集横跨近二十年临床实践，涵盖西门子和通用电气等不同厂商的1.5T/3T扫描设备，包含治疗前后四个关键序列的纵向影像。特别值得注意的是，85%的研究包含随访数据，为治疗反应评估提供时序基准。配套的临床元数据涵盖患者 demographics、扫描参数及治疗状态，且所有影像均经过脑实质提取处理，在保护隐私的同时保留了病灶的完整形态学特征。

使用方法

研究者可通过癌症影像档案库(TCIA)获取该数据集的NIfTI格式文件，配套Excel表格提供详细的临床与影像采集参数。数据支持主流神经影像分析平台，适用于三类典型场景：其一，利用多序列纵向影像开发自动分割算法；其二，结合临床元数据建立治疗反应预测模型；其三，探索跨扫描仪设备的影像组学生物标志物。为保障分析一致性，建议预处理时注意TR/TE等采集参数的标准化，并利用提供的序列标注规则处理不同厂商的命名差异。

背景与挑战

背景概述

脑转移瘤纵向磁共振成像数据集由耶鲁大学医学院等多家机构的研究团队于2025年发布，是目前规模最大的脑转移瘤纵向MRI公开数据集。该数据集包含来自1,430名患者的11,884项MRI研究，时间跨度近二十年，涵盖了T1加权、T1增强、T2加权和FLAIR四种关键序列。脑转移瘤作为系统性癌症的常见并发症，影响着超过20%的原发性恶性肿瘤患者，其精准诊断和治疗监测高度依赖纵向MRI影像分析。该数据集的建立填补了神经肿瘤学领域缺乏大规模、多样化纵向影像数据的空白，为人工智能辅助诊断、治疗反应评估和预后预测提供了重要基础。数据集遵循神经肿瘤学AI工具开发的国际规范，强调临床相关性、可重复性和透明度，对推动精准医疗发展具有重要意义。

当前挑战

在脑转移瘤影像分析领域，主要挑战在于病灶的多灶性、形态异质性以及治疗后的复杂变化模式，这使得传统人工判读效率低下且易产生主观偏差。数据集构建过程中面临多重技术难题：首先，跨机构、跨设备的影像协议差异导致数据标准化困难，需开发复杂的序列分类与验证算法；其次，纵向研究中时间维度的一致性维护要求严格的时间窗控制，特别是对治疗前后扫描时间的精确匹配；此外，保护患者隐私的脱敏处理需要平衡数据可用性与身份信息去除的完整性，这对脑提取算法的精度提出了极高要求。这些挑战的解决为后续大规模医学影像数据库的建设提供了重要参考。

常用场景

经典使用场景

在神经肿瘤学研究领域，脑转移瘤纵向磁共振成像数据集为探索肿瘤动态演变规律提供了关键资源。该数据集最经典的应用场景体现在利用其多时间点、多序列的MRI影像，系统评估立体定向放射外科治疗后病灶的体积变化、信号特征演变及周围水肿带动态变化，为临床疗效评价提供客观影像学依据。

解决学术问题

该数据集有效解决了脑转移瘤研究中三大核心问题：首先突破了单中心小样本研究的局限性，通过跨机构、跨扫描设备的异构数据，显著提升了AI模型的泛化能力；其次通过标准化处理的纵向影像序列，为建立治疗反应生物标志物提供了数据基础；最后其丰富的临床元数据支持了多模态预后预测模型的开发，推动了精准医疗在神经肿瘤学中的应用。

衍生相关工作

该数据集催生了多个标志性研究成果，包括三维U-Net架构在转移瘤分割中的优化应用、基于Transformer的纵向特征提取框架开发等。特别值得注意的是，以该数据集为基础开展的RADIOMICS研究项目，成功建立了首个脑转移瘤放射组学预测模型，相关成果发表于《Radiology: Artificial Intelligence》等顶级期刊，推动了影像组学在神经肿瘤领域的标准化进程。